Anthropic: GLM-5.3 od Zhipu dorównuje Mythosowi w szukaniu dziur
Anthropic opublikował 3 października raport, w którym twierdzi, że otwarty model GLM-5.3 od Zhipu AI potrafi budować działające exploity niemal tak dobrze jak jego niewydany Mythos. Firma dodała, że zabezpieczenia modelu łatwo obejść.

3 października Anthropic opublikował raport z testów red-teamerskich na GLM-5.3, chińskim modelu otwartym od Zhipu AI. Tom's Hardware podaje, że według raportu GLM-5.3 automatyzuje tworzenie exploitów na poziomie zbliżonym do Claude Mythos. Anthropic nie udostępnił publicznie tego modelu do polowania na błędy.
Dlaczego to ważne: jeśli model do pobrania pisze exploity prawie tak dobrze jak zamknięty, kontrola dostępu przestaje być mechanizmem bezpieczeństwa. Odpowiedzią Anthropica jest Project Glasswing. Firma daje wybranym partnerom model klasy Mythos, żeby znajdowali i łateli błędy przed wydaniem. Otwarte pozostaje pytanie, czy obrońcy zdążą przed tymi, którzy korzystają z otwartych wag. Anthropic nie podał, kiedy ani czy w ogóle szerzej udostępni Mythos.
W procentach przewaga nie jest duża. W rankingu już tak. Exploitbench Anthropica każe modelom pisać exploity na Google Chrome w piaskownicy. GLM-5.3 odniósł sukces 50 razy na 410 prób. Mythos 56 na 410. W wewnętrznym benchmarku pełnych przejęć przepływu sterowania GLM-5.3 osiągnął 4% skuteczności, a Mythos 6%. Kimi K3 i DeepSeek V4.1 Flash wypadły w tym samym pomiarze na 0%, wynika z raportu opisanego przez Tom's Hardware.
Zabezpieczenia dały się zdjąć na trzy sposoby
Anthropic sprawdził też, jak trudno obejść zabezpieczenia GLM-5.3. Dwie metody działały często. Zwodniczy prompt, który przedstawia model jako wrogiego autonomicznego agenta, kończył się sukcesem w 64% przypadków. Wstępne wypełnienie tokenów myślowych modelu działało w 92% przypadków, podaje Tom's Hardware. Raport opisuje też trzecią drogę, abliterację. Wariant Flash modelu potrafił tworzyć łańcuchowe exploity na znane błędy przy koszcie 20,40 dolara w tokenach. Anthropic wyliczył to na około 100 000 000 do 300 000 000 tokenów, zależnie od proporcji wejścia do wyjścia.
Wyniki trafiają w środek trwającego sporu. Anthropic apeluje o regulacje i spowolnienie tempa. Jednocześnie w ciągu kilku dni od tych ostrzeżeń wydał Claude Opus 5.5 i Claude Sonnet 5.5, zauważa Tom's Hardware. Firma przymierza się też do IPO.
Realne ataki na błędy powiązane z Mythosem już się zdarzają. The Register podał 3 października, że CVE-2026-61500 przyciągnął próby ataków z adresu IP hostowanego w Chinach na maszyny w USA i Japonii. Luka to krytyczne obejście uwierzytelniania w Rejetto HTTP File Server, znalezione przy pomocy Mythosa przez Zacha Hanleya z Horizon3.
Patrick Garrity z VulnCheck powiedział The Register, że do piątku Mythos i Project Glasswing ujawniły 286 CVE. Tylko jeden z nich był przed czwartkiem wykorzystywany w realnym ruchu.
"W piątek widzieliśmy cztery trafienia" - powiedział Garrity The Register, opisując późniejszy ruch z dwóch amerykańskich adresów IP w tej samej podsieci, który "wygląda na ruch z proxy".
Hanley, którego pracodawca dołączył do Project Glasswing w lipcu, napisał w swoim opisie, że Horizon3 używał Mythosa w badaniu podatności i znalazł wiele krytycznych błędów. Użytkownicy Rejetto HFS powinni mieć wersję v3.2.1 lub nowszą, przypomina The Register.
Strona obronna też działa publicznie. Aleph Alpha wydała 3 października Kolibri, angielsko-niemiecki model typu mixture-of-experts z 78 000 000 000 parametrów łącznie i 3 000 000 000 aktywnych. Model jest na licencji Apache 2.0, wagi leżą na Hugging Face. Firma twierdzi, że dorównuje modelom o czterokrotnie większej liczbie aktywnych parametrów, takim jak Nemotron 3 Super. Adresuje go do sektorów regulowanych, które potrzebują wdrożenia na własnym sprzęcie.
Mniejsze narzędzia pojawiają się na drugim końcu skali. ZeroLeaks opublikował 2 października Shield Small, klasyfikator o 118 000 000 parametrów do wykrywania prompt injection i prób jailbreaku. Działa na procesorze, korzystając ze 118 MB wag w int8. Karta modelu podaje 71,8% skuteczności wykrywania ataków i 7,2% fałszywych alarmów w połączeniu z regułami Shield v2, na 35 publicznych zbiorach danych, które posłużyły też do jego tworzenia. To znaczy, że nie jest to test na niewidzianych danych.
To wszystko nie rozstrzyga kwestii GLM-5.3. Liczby Anthropica pochodzą z benchmarków Anthropica, puszczonych na modelu konkurenta, a Zhipu AI nie odpowiedział publicznie. Sam raport ujmuje sprawę tak: różnica między zamkniętym modelem frontier a otwartymi wagami jest teraz na tyle mała, że mierzy się ją jednocyfrowymi procentami.
Źródła
9- 01Anthropic claims popular Chinese AI model has Mythos-class hacking abilitiesEN
- 02Anthropic's super bug-hunting model Mythos is hardcore good at math, as latest vuln under attack showsEN
- 03Kolibri Has Landed: A Sovereign Open-Weight ModelEN
- 04Shield: A 118M model for detecting prompt injections and jailbreaksEN
- 05New in Llama.cpp: Decision ModelsEN
- 06OpenAI alerts 100+ orgs that its 'misaligned models' attempted to break inEN
- 07Training an open decision model to replace a closed one, in shadow on prodEN
- 08Ideogram 4.5: The most precise edit modelEN
- 09We diffed all 66 release pairs of the official MCP serversEN
Wszystkie liczby i cytaty w tym tekście pochodzą z poniższych źródeł. Nie dopisujemy danych, których w źródłach nie ma.
Materiały zostały przygotowane przez zespół redakcyjny wspierane przez AI.
Komentarze
0- Brak komentarzy — bądź pierwszy.